跳到正文

#Google

今日 0 条
9月8日周二
9月4日周五
  1. Google Research65

    Google Research发布果蝇大脑完整图谱：连接组学里程碑

    Google Research与HHMI Janelia合作，发布了果蝇雄性大脑和中央神经系统的完整图谱，这是迄今为止最大的大脑图谱。该图谱将有助于神经科学研究，并可能推动对人类大脑的理解和治疗精神疾病的方法。

    推荐理由：该研究通过AI技术绘制了果蝇大脑的完整图谱，为神经科学研究提供了重要资源，并有望推动对人类大脑的理解和治疗精神疾病的方法。

9月3日周四
9月2日周三
  1. Google Research72

    利用深度学习从空间监测全球甲烷排放

    Google Research发布了一篇论文，描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法，该方法名为MAPL-EMIT，能够自动检测、增强预测和估计甲烷羽流源。

    推荐理由：该研究利用深度学习技术从空间监测甲烷排放，为全球温室气体减排提供了一种新的方法，具有潜在的应用价值。

  2. Google DeepMind77

    Gemini 模型发布智能视频理解功能

    Google DeepMind 发布了 Gemini 模型的智能视频理解功能，该功能可降低 88% 的 token 消耗，降低 66% 的成本，并提高 7% 的质量。该功能目前已通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 中提供，支持视频上传和 YouTube 视频。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

9月1日周二
  1. Google Research85

    Google Research 发布 TimesFM-3：零样本多变量时间序列预测基础模型

    Google Research 发布了 TimesFM-3，这是一种先进的零样本时间序列基础模型，能够在单次前向传递中实现高度准确的多变量时间序列预测。该模型在多个公开基准测试中取得了最先进的性能。

    推荐理由：TimesFM-3 在多个公开基准测试中取得了最先进的多元和单变量预测性能，为时间序列预测领域带来了新的突破。

8月28日周五
  1. Google Research85

    Google Research发布地球AI行星预测引擎：自动化全球模型

    Google Research发布地球AI行星预测引擎（PPE），该引擎可以自主执行地理空间建模的全流程，包括数据发现、模型训练等，在公共卫生、食品安全、环境风险和社会经济等多个预测任务中取得改进。

    推荐理由：该研究展示了如何通过智能数据发现、多模态基础模型融合和自动化模型优化，将地球AI的预测引擎应用于各种地理空间预测任务，从而降低行星级分析的技术门槛。

8月27日周四
  3. Google DeepMind70

    Gemini 3.5 Transcribe：智能语音交互转录模型发布

    Google DeepMind发布Gemini 3.5 Transcribe，一款针对智能语音交互设计的精确转录模型。该模型可直接将音频转换为准确、格式化的文本，支持实时流式传输和预录音频处理，并具备智能转录、功能调用、多语言支持等功能。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

8月26日周三
  1. Google Research70

    AgentHands：在 XR 中生成交互式手势以实现基于空间的代理对话

    Google Research 发布了 AgentHands，这是一个研究原型，它将共言语手势的强大功能引入 3D 世界，使 AI 代理能够通过手势动作将抽象的口头指令转化为直观的物理演示，从而提升用户与 AI 代理的交互体验。

    推荐理由：AgentHands 通过引入手势动作，使 AI 代理在 XR 环境中更具表现力和沉浸感，有助于提升用户交互体验。

8月22日周六
  1. Google Research72

    Google Research 发布生物标志物发现框架：用于从可穿戴传感器数据中优先排序候选生物标志物

    Google Research 发布了名为 Biomarker Discovery Framework 的多智能体系统，旨在从可穿戴传感器数据中优先排序候选生物标志物。该系统结合了假设生成、并行统计分析、模型训练、对抗验证和基于文献的推理，以加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。

    推荐理由：该研究提出了一种名为 Biomarker Discovery Framework 的多智能体系统，用于从可穿戴传感器数据中优先排序候选生物标志物，加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。

8月21日周五
  2. Google Research72

    移动性如何使语言模型对地点有更深入的理解

    Google Research提出了一种动态的、基于移动性的框架，使AI模型能够理解地点随时间变化的时空活动节奏，从而显著提高对现实世界属性如营业时间、价格水平和繁忙程度的预测。

    推荐理由：该研究提出了一个结合移动性和文本信息的框架，有助于AI模型更深入地理解地点，并显著提高对现实世界属性如营业时间、价格水平和繁忙程度的预测。

8月17日周一
  1. Google Research72

    利用智能手机图像估计身体成分：超越BMI预测心血管代谢风险

    Google Research发布了一项研究，介绍了一种名为PhotoScan的深度学习框架，可以直接从标准2D智能手机照片中估计三维身体成分指标，包括体脂百分比、A/G比和V/S比，以预测胰岛素抵抗风险。

    推荐理由：原文介绍了利用智能手机图像估计身体成分的新方法，读者可以了解其在心血管代谢风险预测中的应用潜力。

8月14日周五
  1. Google DeepMind85

    DeepMind 发布 Gemini 3.7 Flash 模型

    DeepMind 发布了新的 Gemini 3.7 Flash 模型，该模型在编码和智能体领域表现出色，具有更高的代码准确性和生成生产级代码的能力。此外，该模型还提供了更好的开发者体验和更具竞争力的价格。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

8月12日周三
  1. Google DeepMind85

    DeepMind 发布手语 AI 功能

    DeepMind 发布了名为 SL2T 的手语到文本翻译模型，该模型为 Gboard 和 Pixel 11 上的 Live Transcribe 提供了新的手语功能，支持美国手语 (ASL) 到英语的翻译。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

  2. Google Research75

    谷歌研究：参数事实性的瓶颈是回忆能力

    谷歌研究团队提出知识分析框架，用于评估大语言模型在事实性方面的表现，发现许多事实错误源于知识难以回忆而非编码失败。

    推荐理由：原文提出了知识分析框架，有助于理解前沿大语言模型在事实性方面的瓶颈，读者可以据此了解模型在知识获取和利用方面的局限性。

  3. Google Research85

    Google Research 推进 AMIE 向专家级视听临床咨询发展

    Google Research 推出的 AMIE (Video) 在真实视频临床咨询中展现出专家级表现，通过多代理架构和视听感知，实现了对非言语临床线索的感知、虚拟体格检查的引导和实时诊断推理。

    推荐理由：AMIE (Video) 在真实视频临床咨询中展现出专家级表现，为医疗AI向视听临床AI的转变提供了重要里程碑。

8月6日周四
7月31日周五
  1. Google Research85

    Science One 框架：通过证据链实现的可验证自主研究框架

    Google Research 提出了一种名为 Science One 的自主研究框架，通过引入证据链（CoE）来确保AI生成的研究成果的可信度。该框架能够有效避免AI生成论文中常见的错误，如虚构参考文献、代码与描述不符等，并在多个基准测试中取得了优异的成绩。

    推荐理由：该研究提出了一个可验证的自主研究框架，通过证据链来确保AI生成的研究成果的可信度，对AI科学研究的未来发展具有重要意义。

7月30日周四
7月28日周二
  1. Google DeepMind85

    Gemini Robotics 2 带来机器人全身智能

    Gemini Robotics 2 是 DeepMind 推出的新一代机器人智能层，它使机器人能够实现全身控制、高级灵巧和团队协作，从而完成更广泛的复杂任务。

    推荐理由：原文介绍了 Gemini Robotics 2 的能力提升和开放入口，读者可以据此判断它将如何改变现有工作流。

7月23日周四
  1. Google Research70

    SymptomAI：迈向日常症状评估的对话式 AI 智能体

    Google Research 发布了名为 SymptomAI 的对话式 AI 智能体，旨在进行日常症状评估。该研究通过随机大规模研究，评估了 SymptomAI 在症状评估和诊断方面的表现，并展示了其与生理信号的关联。

    推荐理由：SymptomAI 是一款用于日常症状评估的对话式 AI 智能体，该研究探讨了其在真实世界场景中的表现，并展示了其与生理信号的关联，为 AI 基于的症状评估提供了新的思路。

  2. Google Research85

    谷歌研究：迈向从错误中学习的量子计算机

    谷歌研究团队在《自然》杂志上发表了一篇论文，提出了一种利用强化学习控制量子纠错的新方法，通过从量子错误检测中学习，连续调整数千个控制参数，以稳定量子系统并防止错误发生。

    推荐理由：该研究提出了利用强化学习控制量子纠错的新方法，有望提高量子计算机的稳定性和可靠性，对量子计算领域具有重要意义。

7月22日周三
  1. Google DeepMind67

    Google DeepMind投资40亿美元加速科学发现

    Google DeepMind宣布投资40亿美元支持Genesis Mission，旨在利用AI加速科学发现，包括提供前沿AI科学工具和云资源给美国能源部国家实验室。

    推荐理由：Google DeepMind通过投资40亿美元支持Genesis Mission，旨在加速科学发现，读者可以关注这一举措对科学研究和AI应用的潜在影响。

7月21日周二
7月20日周一
7月17日周五
  1. Google DeepMind70

    DeepMind 发布 Gemini 3.5 Flash Cyber 智能体功能

    DeepMind 发布了 Gemini 3.5 Flash Cyber 智能体功能，该功能基于 3.5 Flash 并经过微调，用于快速有效地发现、验证和修复漏洞，旨在为网络安全提供高效且经济的解决方案。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

7月16日周四
  1. Google Research70

    揭秘扩散模型创造力之谜

    Google Research 发布论文，深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，并展示了如何通过调整训练过程来提高模型的创造力。

    推荐理由：原文深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，对理解扩散模型的工作机制具有重要意义。

7月9日周四
  1. Google Research85

    SensorFM：迈向通用智能和可穿戴健康数据接口

    Google Research发布了一篇论文，介绍了SensorFM模型，该模型通过学习大量未标记的可穿戴健康数据，在多个健康领域展现出泛化能力，为可穿戴健康研究提供了新的思路。

    推荐理由：SensorFM模型通过学习大量未标记的可穿戴健康数据，在多个健康领域展现出泛化能力，为可穿戴健康研究提供了新的思路。

7月3日周五
  1. Google DeepMind45

    Google DeepMind 与 A24 首次宣布研究合作伙伴关系

    Google DeepMind 与电影制作公司 A24 合作，旨在通过结合顶尖研究实验室与前沿电影制作工作室，共同开发新的工作流程和技术，以促进艺术家的发展。该合作将促进未来工具的发展，并确保这些工具由使用它们的创作者塑造。此外，Google 对 A24 进行了投资，标志着双方在研究和共同好奇心基础上的合作旅程的开始。

7月1日周三
  2. Google Research65

    Google Research 发布针对全球50多座城市的建筑屋顶反射率数据集

    Google Research 发布了一个包含50多座城市建筑屋顶反射率数据的扩展数据集，旨在帮助城市规划者实施冷却屋顶解决方案，以减轻极端高温的影响。该数据集可通过新的高分辨率Heat Resilience Earth Engine App访问。

    推荐理由：原文提供了关于如何利用AI技术降低城市温度的详细研究，读者可以了解其方法和潜在影响。

  3. Google DeepMind70

    DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    DeepMind 发布了 Nano Banana 2 Lite 和 Gemini Omni Flash，两款模型分别针对图像生成和视频编辑，旨在提高开发效率和创意迭代。Nano Banana 2 Lite 是一款快速且成本效益高的图像模型，而 Gemini Omni Flash 则是一款高质量的音视频生成和编辑模型。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

6月30日周二
  1. Google Research77

    Google Research 推出 TabFM：表格数据的零样本基础模型

    Google Research 推出 TabFM，一种针对表格数据的零样本基础模型，旨在简化分类和回归工作流程。TabFM 通过上下文学习技术，无需手动模型训练、超参数调整和复杂的特征工程，即可生成高质量的预测。

    推荐理由：TabFM 作为一种针对表格数据的零样本基础模型，通过将表格预测重新构造成上下文学习问题，展示了其在复杂特征交互和依赖关系上的强大能力，为表格机器学习工作流程带来了便利。

6月27日周六